基于陀螺仪和加速度计的快速准确的摔倒检测(一)
2013-08-04 12:19
711 查看
本文主要讲解一种利用加速度计和陀螺仪的准确快速摔倒检测系统。把人体的行为分成两类:static postures 和 dynamic transitions. 该系统可以识别四种static postures: standing, bending, sitting, and lying. 其中在这些static postures之间的运动看做是dynamic transitions. linear acceleration and
angular velocity are measured to determine whether motion transitions are intentional. If the transition before a lying posture is not intentional, a fall event is detected.该文章的算法,降低了假阳性和假阴性,改善了摔倒检测的准确性。同时也降低了计算量和提高了实时响应。
前人的工作中大多只用了加速度计进行信息的获取和摔倒检测。对于一些特殊的情况,无法准确检测,如快速坐下。且准确率不高。为了改善人体行动识别准确率,一些人编写了复杂的推断算法例如隐马尔科夫模型(HMM)去分析加速度信息。(paper: R.K.Gabti, "SATIRE: A software architecture for smart attire"), 这种方法的缺点是1、使用了过多的计算资源。2、不能满足实时性要求。3、摔倒活动模式较困难获取用于训练这个系统(fall
activity patterns are particularly difficult to obtain for training such systems)。-------注:此种方法结合《基于时间序列的HMM摔倒检测》论文一起看,关于摔倒预测的分析等。
Bourke安置三轴加速度传感器在躯干和大腿上,并且得到四个阈值,在大腿和躯干部位设置的较高的和较低的阈值。超过四个中的任何一个叫表明摔倒的发生。这种方法的问题是在日常生活中的突然坐下和跳起也会引起很大的垂直加速度值。因此只使用加速度计检测摔倒引起许多假阳性。(A.K.Bourke "Evaluation of a threshold-based tri-axial accelerometer fall detection algorithm")。Bourke开发了一种基于阈值的摔倒检测算法,使用双轴陀螺仪传感器。他们把陀螺仪安置在胸部,测量角速度,和角加速度去检测摔倒。
METHODOLOGY
1、数据获取
选择使用TEMPO3.0传感器,测量加速度和角速度来检测摔倒的发生。TEMPO3.0传感器包括一个三轴加速度计和一个三轴陀螺仪。三轴加速度计采用飞思卡尔半导体公司的MMA7261QT芯片,它能监测在+-10g内的加速度。三轴陀螺仪是由InvenSensce IDG-300双轴陀螺仪和一个AD公司ADXRS300 z轴陀螺仪。其中IDE-300能测量角速度范围在+-500°/s之间,ADXRS300能测量角速度范围在+-300°/s之间。
考虑到在大腿和躯干之间大多数的姿态有不同的角度,因此传感器的节点设置在胸部(节点A)和大腿(节点B)。
angular velocity are measured to determine whether motion transitions are intentional. If the transition before a lying posture is not intentional, a fall event is detected.该文章的算法,降低了假阳性和假阴性,改善了摔倒检测的准确性。同时也降低了计算量和提高了实时响应。
前人的工作中大多只用了加速度计进行信息的获取和摔倒检测。对于一些特殊的情况,无法准确检测,如快速坐下。且准确率不高。为了改善人体行动识别准确率,一些人编写了复杂的推断算法例如隐马尔科夫模型(HMM)去分析加速度信息。(paper: R.K.Gabti, "SATIRE: A software architecture for smart attire"), 这种方法的缺点是1、使用了过多的计算资源。2、不能满足实时性要求。3、摔倒活动模式较困难获取用于训练这个系统(fall
activity patterns are particularly difficult to obtain for training such systems)。-------注:此种方法结合《基于时间序列的HMM摔倒检测》论文一起看,关于摔倒预测的分析等。
Bourke安置三轴加速度传感器在躯干和大腿上,并且得到四个阈值,在大腿和躯干部位设置的较高的和较低的阈值。超过四个中的任何一个叫表明摔倒的发生。这种方法的问题是在日常生活中的突然坐下和跳起也会引起很大的垂直加速度值。因此只使用加速度计检测摔倒引起许多假阳性。(A.K.Bourke "Evaluation of a threshold-based tri-axial accelerometer fall detection algorithm")。Bourke开发了一种基于阈值的摔倒检测算法,使用双轴陀螺仪传感器。他们把陀螺仪安置在胸部,测量角速度,和角加速度去检测摔倒。
METHODOLOGY
1、数据获取
选择使用TEMPO3.0传感器,测量加速度和角速度来检测摔倒的发生。TEMPO3.0传感器包括一个三轴加速度计和一个三轴陀螺仪。三轴加速度计采用飞思卡尔半导体公司的MMA7261QT芯片,它能监测在+-10g内的加速度。三轴陀螺仪是由InvenSensce IDG-300双轴陀螺仪和一个AD公司ADXRS300 z轴陀螺仪。其中IDE-300能测量角速度范围在+-500°/s之间,ADXRS300能测量角速度范围在+-300°/s之间。
考虑到在大腿和躯干之间大多数的姿态有不同的角度,因此传感器的节点设置在胸部(节点A)和大腿(节点B)。
相关文章推荐
- PHP快速准确的检测QQ是否在线类。
- 基于Haar-like特征的层叠推进分类器快速目标检测
- 基于三轴加速度传感器的老人摔倒检测
- 视频流快速处理技术之二——基于数据量波动特性的视频静止画面检测
- 基于二阶卡尔曼滤波的陀螺仪及加速度计信号融合的姿态角度测量
- 基于C的PHP快速IP解析扩展,IP检测
- 基于双视角CNN的准确、稳健的车道线检测
- 一种基于KINECT的摔倒检测方法,全新的特征
- 基于SSD的图片文本检测及快速方法
- 基于光流分析的运动目标快速检测与跟踪融合算法
- 基于PHP的cURL快速入门教程 (小偷采集程序)
- 基于法线的边缘检测
- swift 快速奔跑的兔几 本节的内容是:基于文档的应用程序
- 【MFC基础入门】基于Adaboost算法的车牌检测在OpenCV上的研究与实现
- 快速知道当前文件夹的准确位置-路径栏
- 交通部部标平台检测(二)-如何快速的通过交通部过检
- 基于stm32f103的BMP085气压计的检测
- 五种基于RGB色彩空间统计的皮肤检测算法
- Python基于OpenCV实现视频的人脸检测
- 基于tcp raw socket实现的端到端rtt,丢包率检测程序(1)